学部後期課程
過去（2019年度）の授業の情報です
学内のオンライン授業の情報漏洩防止のため，URLやアカウント、教室の記載は削除しております。
最終更新日：2024年4月22日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
最終更新日：2024年4月22日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
教育行政・学校経営演習 Ⅳ
この授業では、データ分析を通じて、教育行財政・政策、学校経営の諸課題を学ぶ。教育機会・学力、教育費、教員の労働環境、教員評価・学校評価、中央・地方の教育政策過程などを題材として、自分でデータ分析を実行してみることを通じて、これらのトピックについてより深い理解を得ることを目標とする。
また、実際の研究・実務で用いられる基本的な手法について、その考え方、統計ソフト等の操作、適用例を一体的に理解するとともに、受講後には既存の実証研究を読みこなし、卒業論文にむけて建設的な研究計画の提案ができるようになることが期待される。
また、実際の研究・実務で用いられる基本的な手法について、その考え方、統計ソフト等の操作、適用例を一体的に理解するとともに、受講後には既存の実証研究を読みこなし、卒業論文にむけて建設的な研究計画の提案ができるようになることが期待される。
時間割／共通科目コード
コース名
教員
学期
時限
09192308
FED-SS3303S1
教育行政・学校経営演習 Ⅳ
橋野 晶寬
金曜3限
マイリストに追加
マイリストから削除
講義使用言語
日本語
単位
2
実務経験のある教員による授業科目
NO
他学部履修
可
開講所属
教育学部
授業計画
扱う教育政策・行財政・経営に関するトピックは以下のものを予定している。
・教育機会・学力
・教育費・教育財政
・教員の労働環境・メンタルヘルス
・教員評価・学校評価
・中央・地方自治体の教育政策における政治過程
授業はデータ分析の手法に沿って構成する。データ分析の手法に関して取り扱う事項は下記の通りである（受講者の理解度・関心に応じて変更する可能性あり）。
1. 問いの立て方
2. 記述統計（代表値、ばらつき・不平等の測度）
3. 量的・質的変数における相関
4. 多変量解析の考え方
5. 最小二乗法による線形回帰モデル
6. 線形回帰モデルの応用
7. 確率変数と確率分布
8. 統計的検定
9. 最尤法I:最尤法の考え方
10. 最尤法II: 最尤法の性質
11. 離散選択モデルI: 二項・順序選択モデル
12. 離散選択モデルII: 多項選択モデル
13. 計数回帰モデル
14. 主成分分析
15. 因子分析
授業の方法
担当者による講義、データ分析の実習、課題発表による。
成績評価方法
平常点（授業参加・課題発表、30%）および期末レポート(70%)に基づいて評価する。
教科書
特に指定しない。講義ノートおよび資料を配布する。
参考書
・畑農鋭矢・水落正明(2017)『データ分析をマスターする12のレッスン』有斐閣.
・Imai, Kosuke (2017) Quantitative Social Science: An Introduction, Princeton: Princeton University Press.（＝ 2018, 粕谷祐子・原田勝孝・久保浩樹訳, 2018, 『社会科学のためのデータ分析入門（上）（下）』 岩波書店.）
・川端一光・岩間徳兼・鈴木雅之(2018)『Rによる多変量解析入門：データ分析の実践と理論』オーム社.
・Long, Scott J. (1997) Regression Models for Categorical and Limited Dependent Variables, Thousand
Oaks: Sage Publications.
履修上の注意
・第2回以降は、パソコンを持参すること。
・データ分析の実習にはExcelおよびフリーソフトRを用いる。
・授業の内容は初学者向けであり、データ分析の知識、統計ソフトの操作・プログラミング等の経験については一切問わないが、予習および課題に十分な時間を確保して臨むことを前提とする。
